&8
&8
n
nK
nt
tK
tt
p
%
/n
/o
Tingkat kedatangan rata-rata
Gaktu antar kedatangan rata-rata
Tingkat pelayanan rata-rata
Gaktu pelayanan rata-rata
Deviasi standar tingkat pelayanan
>umlah individu dalam sistem pada suatu 1aktu
>umlah individu rata-rata dalam antrian
>umlah individu dalam sistem total ,antrian dan fasilitas
yan.-
Gaktu rata-rata dalam antrian
Gaktu rata-rata dalam sistem total
>umlah fasilitas pelayanan ,channel-
Tingkat kegunaan fasilitas pelayanan
*epanjangan maksinum sistem
/robabilitas jumlah AnB individu dalam sistem
/robabilitas tidak ada individu dalam sistem
unit8jam
jam8unit
unit8jam
jam8unit
unit8jam
unit
unit
unit
jam
jam
unit pelayanan
rasio
unit
frekuensi relatif
frekuensi relatif
frekuensi relatif
ORSA 71
/1
cs
c1
ct
/robabilitas menunggu dalam antrian
Biaya pelayanan per satuan 1aktu per fasilitas
pelayanan
Biaya untuk menunggu per satuan 1aktu per individu
Biaya total M cs I ntc1
(p8jam8server
(p8jam8unit
(p8jam
Minimisasi biaya
Tujuan dasar teori antrian adalah meminimisasi biaya tidak langsung ,indirect
cost- pada individu-individu yang menunggu dan biaya langsung ,direct cost-
untuk penyediaan pelayanan.
Biaya menunggu ,0aiting cost-, ini mencakup biaya menganggurnya karya1an,
kehilangan penjualan, kehilangan langganan, tingkat persediaan yang
berlebihan, kehilangan kontrak, kemacetan sistem, atau kehilangan
kepercayaan dalam manajemen. emua ini terjadi bila suatu sistem mempunyai
sumber daya pelayanan yang tidak mencukupi.
-1pected total 0aiting cost per periode 1aktu M $ ,#1- M ntc1
#1 M biaya total per unit per 1aktu
Biaya pelayanan dapat mencakup biaya tetap investasi a1al dalam peralatan
atau fasilitas, biaya-biaya pemasangan dan latihan, dan biaya variabel seperti
gaji karya1an dan pengeluaran tambahan untuk pemeliharaan.
-1pected total cost of ser)ice per periode 1aktu M $ ,#s- M #s
$Fpected total cost M $ ,#t- M $ ,#s- I $ ,#1- M cs I nt#1
!. MOD$D D"7 "/D0*"07H"
&. Model & + M 8 M 8 & 8 0 8 0
(umus-rumus +
nK M
)
8, - - tK M 8, - - /n M ,& - 8-,8-
n
nt M 8- tt M &8- p M 8
72
#ontoh soal +
Tuan >im memiliki sebuah restoran yang melayani para langganannya di dalam
mobil mereka. (estoran ini telah beroperasi sukses selama beberapa bulan. Dia
sangat prihatin dengan panjangnya garis antrian pada jam-jam makan siang dan
makan malam. beberapa langganannya telah mengadu tentang 1aktu menunggu
yang berlebihan. Dia merasa bah1a suatu ketika akan kehilangan
langganannya. Dia meminta untuk menganalisis sistem antriannya dengan
menggunakan teori antrian.
Tingkat kedatangan rata-rata langganannya selama periode-periode puncak
adalah 65 mobil per jam. Tingkat kedatangan mengikuti suatu distribusi /oisson.
Gaktu pelayanan rata-rata & menit dengan distribusi eksponensial.
;itung soal-soal berikut ini +
Tingkat kegunaan bagian pelayanan restoran T
>umlah rata-rata dalam antrian T
>umlah rata-rata dalam sistem T
Gaktu menunggu rata-rata dalam antrian T
Gaktu menunggu rata-rata dalam sistem T
/robabilitas lebih dari & mobil dalam sistem dan lebih dari 4 mobil dalam
sistem T
). Model ) + M 8 M 8 8 0 8 0
(umus-rumus +
,8-
nK M F /5 nt M nK I 8
,-&-V,--
)
/5
tK M F ,8-
s
,V-[&-,8-]
)
tt M tK I &8 p M 8
& /5
/5 M /1 M ,8-
s
{,8-
n
} I ,8-
s
V{&-,8-}
ORSA 73
nV V,&-8-
oal &.
Departemen *redit suatu bank mempekerjakan 3 orang karya1an tata usaha di
kota ALB untuk menangani panggilan yang masuk dari para pedagang. Gaktu
rata-rata yang dibutuhkan untuk menerima sebuah otorisasi adalah 5,6 menit
bila tidak diperlukan 1aktu untuk menunggu. Tingkat pelayanan mengikuti
distribusi eksponensial, karena kondisi-kondisi yang tidak biasa dapat
menghasilkan baik 1aktu pelayanan yang relatif lama maupun pendek. elama
periode puncak : jam, kantor menerima total &.965 panggilan ,yaitu )&:,96 per
jam-. Tingkat kedatangan panggilan mengikuti distribusi /oisson.
;itung +
Tingkat kedatangan panggilan per jam T
Tingkat kegunaan karya1an T
/robabilitas tidak ada panggilan T
>umlah pedagang rata-rata menunggu untuk dilayani T
>umlah pedagang dalam sistem T
Gaktu rata-rata dalam antrian T
Gaktu rata-rata dalam sistem T
/robabilitas untuk menunggu T
oal ).
Departemen *redit di atas telah menerima keluhan-keluhan dari banyak
pedagang bah1a 1aktu otorisasi terlalu lama. *arena itu manajer departemen
sedang mempertimbangkan penambahan & orang karya1an lagi untuk
mengurangi 1aktu menunggu dalam sistem. Dia merasa bah1a biaya otorisasi
total akan naik karena penambahan karya1an. Bila seorang karya1an tata
usaha berpenghasilan (p.&.&55,- per jam dan biaya mendapatkan seorang
karya1an check out sedang menunggu adalah (p.).&55,- per jam.
Tentukan apakah lebih baik tetap mempunyai 3 karya1an atau 4 karya1an yang
menangani otorisasi T
74
3. Model 3 + M 8 M 8 0 8 0 8 !
{&-%,8-
%-&
I ,%-&-,8-
%
}
nK M ,8-
)
F
,&-8-{&-,8-
%
}
{&-,%I&-,8-
%
I %,8-
%I&
}
nt M ,8- F
{&-,8-}{&-,8-
%I&
}
{&-,8-}
/n M ,8-
n
F
&-,8-
%I&
oal.
uatu restoran di tepi jalan telah memperoleh volume dan keuntungan yang
lebih besar daripada yang diperkirakan, karena restoran tersebut terletak pada
jalan yang ramai. Tetapi restoran mempunyai tempat parkir yang terbatas.
Tempat parkir yang tersedia hanya = ruangan, bila parkir penuh langganan akan
berpindah restoran.
Berseberangan dengan restoran tersebut ada pemilik ruangan yang bersedia
menye1akan untuk tempat parkir yang nyaman dengan biaya (p.).555,- per
ruangan per hari operasi. Dengan tambahan informasi di ba1ah ini, tentukan
jumlah ruangan yang perlu dise1a T
Tingkat kedatangan langganan potensial adalah )& mobil per jam dan mengikuti
distribusi /oisson. Tingkat pelayanan restoran 3= mobil per jam dan juga
digambarkan dengan distribusi /oisson. *euntungan rata-rata per mobil adalah
(p.&.=55,- dan restoran buka &) jam per hari.
/enyelesaian +
&- Menentukan prosentase 1aktu restoran sibuk dengan = ruangan.
{&-,)&83=-},)&83=-
5
/5 M M
&-,)&83=-
=
M ,5,4&9=85,2=5=-,&- M 5,433:
>adi restoran sibuk 6=,=)N yaitu + &55N - 43,3:N.
ORSA 75
>ika restoran sibuk melayani 3= mobil per jam, maka dengan = ruangan restoran
akan dapat melayani 5,6==) F 3= mobil M )5,3: mobil per jam.
>ika restoran buka &) jam per hari, maka keuntungan total per hari adalah +
&) F )5,3: F (p.&.=55,- M (p.32&.)2=,-
)- Dengan 9 ruangan, proporsi 1aktu sibuk dalah +
{&-,)&83=-},)&83=-
5
/,nW5- M & -
&-,)&83=-
9
M & - ,5,4&=985,2995- M 5,6936
*euntungan total per hari adalah +
&) F 5,6936 F 3= F (p.&.=55,- M (p.32=.453,)5
*euntungan marjinal dengan 9 ruangan + (p.32=.453,)5 - (p.32&.)2=,- M
(p.6.&59,)58hr
Dimana terlihat besarnya masih lebih besar dari biaya marjinal ,(p.).555,--.
3- Dengan : ruangan, proporsi 1aktu restoran sibuk +
{&-,)&83=-},)&83=-
5
/,nW5- M & -
&-,)&83=-
:
M & - ,5,4&=985,2:=6- M 5,699=
*euntungan total per hari +
&) F 5,699= F 3= F (p.&.=55,- M (p.322.)39,&)
*euntungan marjinal dengan : ruangan adalah +
(p.322.)39,)) - (p.32=.453,)5 M (p.).:33,2)
;al ini terlihat bah1a ini masih lebih besar dari biaya marjinal.
4- Dengan 2 ruangan, proporsi 1aktu restoran sibuk adalah +
{&-,)&83=-},)&83=-
5
/,nW5- M & -
& - ,)&83=-
2
M & - ,5,4&=985,22))- M 5,6:55
*euntungan total per hari adalah +
&) F 5,6: F 3= F (p.&.=55,- M (p.455.:2=,-
*euntungan marjinal dengan 2 ruangan adalah +
(p.455.:2=,- - (p.322.)39,&) M (p.&.=6:,::
76
0ni terlihat lebih kecil dari biaya marjinal.
Dengan demikian jangan menye1a 2 ruangan atau lebih.
4. Model 4 + M 8 M 8 8 ! 8 0
Model 4 adalah mirip dengan model ) dengan perbedaan bah1a model ini
mempunyai sumber populasi yang terbatas.
ebagai contoh sejumlah pasien dalam suatu ( yang memerlukan tipe-tipe
pera1atan tertentu, ini merupakan sistem-sistem yang mempunyai jumlah
individu-individu terbatas yang memerlukan pera1atan.
!ormula perhitungan untuk model 4 mempunyai notasi tersendiri, dan untuk
perhitungannya dibantu dengan tabel antrian terbatas yang telah digeneralisir
untuk beberapa model yang berbeda. Daftar tabel antrian terbatas lihat pada
lampiran.
Beberapa notasi yang dipergunakan dalam model 4 +
' M Gaktu rata-rata antar kedatangan per unit
T M Gaktu rata-rata pelayanan per unit
; M >umlah rata-rata yang sedang dilayani
> M >umlah rata-rata unit yang sedang beroperasi
7 M >umlah unit dalam populasi
M M >umlah channel dalam pelayanan
L M !aktor pelayanan ,proporsi 1aktu pelayanan yang diperlukan-
D M /robabilitas bah1a suatu kedatangan harus menunggu
! M !aktor efisiensi menunggu dalam garis antrian
'ntuk dapat menggunakan tabel antrian terbatas, harus diketahui nilai-nilai 7
dan M, dan menghitung nilai L.
(umus +
T
L M nK M 7 ,&-!-
T I '
nK ,T I '-
tK M nt M 7 - > M nK - ;
7 - nK ; M !7L
nK ,T I '-
ORSA 77
tt M T I > M 7!,&-L-
M - nK
#ontoh +
Daporan produksi dan kualitas produk suatu departemen yang memproses
plastik menunjukan bah1a rata-rata setiap mesin dari )5 mesin yang ada
membutuhkan beberapa tipe penyesuaian setiap 4 jam. /enga1as proses
produksi memeriksa bagian-bagian yang datang dari masing-masing mesin
setiap &5 menit. Bila mesin membutuhkan penyesuaian kembali dia menyetop
mesin dan menunggu seorang Aset(up manB untuk melakukan read&ustment.
Dengan menganggap tingkat kedatangan dan tingkat pelayanan mengikuti suatu
distribusi eksponensial, maka tentukan hala-hal berikut +
Gaktu antar kedatangan rata-rata dari setiap mesin ,'-.
>umlah mesin rata-rata menunggu untuk dilayani ,nK-.
Gaktu rata-rata yang dipergunakan untuk menunggu pelayanan dan dalam
sistem ,tK dan tt-.
>umlah mesin rata-rata yang sedang dilayani ,;-.
>umlah mesin rata-rata yang sedang beroperasi ,>-.
>umlah mesin rata-rata dalam sistem ,nt-.
/robabilitas bah1a mesin akan menunggu untuk dilayani ,D-.
>umlah rata-rata fasilitas pelayanan menganggur ,M-;-.
oal latihan+
&. /erusahaan angkutan BMB mempunyai regu bongkar muat barang. Gaktu
yang diperlukan untuk bongkar muat barang, kira-kira )5 menit untuk setiap
truk. Truk yang datang diperkirakan ) buah truk setiap jam. Manajemen
perusahaan ingin mengevaluasi pekerjaan regu bongkar muat barang. >uga
dipikirkan bagaimana bila regu itu dipecah menjadi ) tim yang sama, dengan
1aktu bongkar muat menjadi 45 menit. "pa pengaruh perubahan iniT
). *amar ga1at darurat suatu rumah sakit dapat menampung maksimum M
sebanyak 6 pasien. Tingkat kedatangan 4 pasien per jam. eorang dokter
78
staf hanya bisa menyetujui 6 pasien per jam. Banyak pasien yang terpaksa
dilarikan ke rumah sakit lain. Berdasar data ini anda diminta+
a. Menentukan distribusi probabilitas jumlah pasien lain yang
menunggu atau menerima persetujuan pada 1aktu yang diberikan.
b. Menentukan rata-rata jumlah pasien dalam kamar ga1at darurat,
jumlah pasien yang menunggu untuk melihat dokter, 1aktu antri pasien,
dan 1aktu yang dikeluarkan oleh pasien di kamar ga1at darurat.
3. "ssume that patients come to hospital clinic at the rate of 4 patients per
hour. The arrivals are /oisson distributed and the clinic treats patients at an
average rate of = patients an hour. Treatment time is eFponentially distributed
and a first come-first served Kueue discipline is used.
a. #alculate the clinicXs idle time.
b. #alculate the probability that there are at least ) patients in the
clinic.
c. Ghat is the average number of patients 1aiting to be treatedT
d. Ghat is the average number of patients in the clinicT
Ke!"#"$ 9. PROGRAM LINIER
". /$7@$(T0"7
/rogram linier atau +inier programming merupakan salah satu tehnik
O(" yang dapat digunakan untuk pemecahan masalah pengalokasian sumber
daya yang terbatas secara optimal. 0a merupakan metode matematik dalam
pengalokasian sumber daya, di mana langkah utamanya adalah untuk mencapai
suatu tujuan produksi dan operasi, yaitu seperti memaksimumkan keuntungan
dan meminimumkan biaya.
/rogram linier berkaitan dengan penjelasan suatu dunia nyata sebagai suatu
model matematik yang terdiri dari sebuah fungsi tujuan linier dan beberapa
kendala linier.
B. MOD$D /(O@("M D070$(
ORSA 79
Dalam model program linier dikenal ) ,dua- macam fungsi yaitu fungsi
tujuan *ob&ecti)e function- dan fungsi batasan ,constraint function-.
!ungsi tujuan adalah fungsi yang menggambarkan tujuan atau sasaran di
dalam permasalahan program linier, yang berkaitan dengan pengaturan
secara optimal sumber daya-sumber daya yang akan digunakan, untuk
memperoleh keuntungan maksimal dan biaya minimal.
!ungsi batasan merupakan bentuk penyajian secara matematis tentang
batasan-batasan kapasitas yang tersedia, yang akan dialokasikan secara
optimal ke berbagai kegiatan.
Dangkah-langkah dalam mengembangkan program, linier adalah sebagai
berikut +
Tentukan variabel-variabel keputusan.
Tetapkan fungsi tujuan atau sasaran yang ditunjukan sebagai suatu
hubungan linier ,bukan perkalian- dari variabel keputusan.
Tetapkan kendala-kendala masalah tersebut dan mengekspresikannya dalam
persamaan yang juga merupakan hubungan linier dari variabel keputusan
yang mencerminkan keterbatasan sumber daya masalah itu.
&. !ormulasi program linier untuk masalah kombinasi produk.
ebuah perusahaan ingin menentukan berapa banyak masing-masing
dari 3 ,tiga- produk yang berbeda yang akan dihasilkan dengan tersedianya
sumber daya yang terbatas agar diperoleh keuntungan maksimum. *ebutuhan
buruh dan bahan mentah serta sumbangan keuntungan masing-masing produk
adalah sebagai berikut +
Tabel 9.& Tabel kebutuhan sumber daya masing-masing produk ", B dan #
*ebutuhan umber Daya
*euntungan
Buruh ,jam8unit- Bahan ,kg8unit-
,(p8unit-
/roduk " 6 4 3
/roduk B ) = 6
80
/roduk # 4 3 )
Tersedia )45 jam kerja dan bahan mentah sebanyak 455 kg. Masalahnya adalah
bagaimana menentukan jumlah masing-masing produk agar keuntungan bisa
maksimum.
*ita akan merumuskan persoalan tersebut sebagai suatu model /rogram Dinier.
&- Menentukan variabel keputusan.
"da 3 ,tiga- variabel dalam masalah ini yaitu produk ", B dan # yang harus
dihasilkan.
>umlah ini dapat dilambangkan sebagai berikut , yaitu +
L& M jumlah produk "
L) M jumlah produk B
L3 M jumlah produk #
)- Menentukan fungsi tujuan.
Tujuan dari masalah ini adalah memaksimumkan keuntungan total yaitu jumlah
keuntungan yang diperoleh dari masing-masing produk.
*euntungan dari produk " adalah perkalian antara jumlah produk " dengan
keuntungan per unit ,(p.3,--. *euntungan produk B dan # ditentukan serupa
dengan produk ". ehingga keuntungan total ,C-, dirumuskan sebagai berikut +
C M 3L& I 6L) I )L3
3- Menentukan sistem batasan8kendala
Dalam masalah ini batasannya adalah jumlah buruh dan bahan mentah yang
terbatas. Bagi produk " buruh yang dibutuhkan untuk menghasilkan tiap unit
adalah 6 jam, sehingga buruh yang dibutuhkan untuk produk " adalah 6L&
jam,untuk produk B adalah )L) jam dan untuk produk # adalah 4L3 jam.
>umlah jam buruh yang tersedia adalah )45 jam, sehingga fungsi batasan buruh
dituliskan seperti berikut ini +
6L& I )L) I 4L3 )45
ORSA 81
Batasan bahan mentah dirumuskan dengan cara yang sama. /roduk "
membutuhkan 4 kg per unit, produk B membutuhkan = kg per unit dan produk #
membutuhkan 3 kg per unit.
*arena hanya tersedia 455 kg bahan mentah, maka fungsi batasan bahan
mentah dirumuskan sebagai berikut +
4 L& I =L) I 3L3 455
*ita juga membatasi masing-masing variabel hanya pada nilai positif, karena
akan tidak masuk akal untuk menghasilkan jumlah produk negatif. Batasan-
batasan ini disebut dengan non negati)ity constraints yang secara matematis
dirumuskan sebagai berikut +
Maksimumkan C M 3L& I 6L) I )L3
dengan syarat 6L& I )L) I 4L3 )45
4L& I =L) I 3L3 455
L& , L) dan L3 5
Dengan mencari solusi model ini untuk nilai variabel L& , L) , L3 yang optimum,
keuntungan total C akan dimaksimumkan.
). !ormulasi /rogram Dinier untuk masalah Diet
'ntuk menjaga kesehatan, seseorang harus memenuhi kebutuhan
minimum per hari akan beberapa .at makanan. Misalkan hanya ada 3 .at
makanan yang dibutuhkan yaitu *alsium, /rotein dan ?itamin ". Misalkan
makanan seseorang hanya terdiri dari 3 jenis 0, 00 dan 000. elengkapnya
mengenai harga, kandungan .at-.at makanan dalam tiap jenis makanan dan
kebutuhan minimum tiap .at makanan termuat dalam tabel berikut.
Tabel 9.) Tabel harga, kandungan dan kebutuhan .at makanan
>enis Makanan
*ebutuhan
0 00 000 minimum
;arga per unit 5,6 5,: 5,=
*alsium 6 & 5 :
/rotein ) ) & &5
82
?itamin " & 6 4 ))
Masalahnya adalah bagaimana kombinasi ke 3 jenis makanan itu akan
memenuhi kebutuhan minimum per hari dan memberikan biaya terendah.
&- Menentukan variabel keputusan
Masalah ini terdiri dari 3 jenis variabel yang menunjukan jumlah masing-masing
jenis makanan yang ditempatkan dalam menu, sebagai berikut +
L& M jumlah makanan 0
L) M jumlah makanan 00
L3 M jumlah makanan 000
)- Menentukan fungsi tujuan
Tujuan masalah ini adalah meminimumkan biaya total menu per hari. Biaya total
dalam konteks ini adalah jumlah biaya dari masing-masing jenis makanan yang
disajikan dalam menu. ehingga biaya total, dituliskan sebagai berikut +
C M 5,6L& I 5,:L) I 5,=L3
3- Menentukan sistem batasan
Batasan dalam masalah ini adalah kebutuhan minimum akan .at-.at makanan
per hari yaitu sebagai berikut +
Batasan untuk *alsium adalah + 6L& I L) :
Batasan untuk /rotein adalah + )L& I )L) I L3 &5
Batasan untuk ?itamin " adalah + L& I 6L) I 4L3 ))
Dengan demikian masalah /rogram Dinier yang lengkap dapat diringkas menjadi
sebagai berikut +
Minimumkan + C M 5,6L& I 5,:L) I 5,=L3
dengan syarat + 6L& I L) :
)L& I )L) I L3 &5
L& I 6L) I 4 L3 ))
L& , L) , L3 5
ORSA 83
Dengan menyelesaikan model ini untuk variabel keputusan L& , L) dan L3 orang
tersebut akan mendapatkan biaya total minimum ynag mungkin dengan tetap
memenuhi kebutuhan minimum akan *alsium, /rotein dan ?itamin ".
#. "'M0-"'M0 D""( /(O@("M D070$(
&. Proportionality
"sumsi ini berarti bah1a naik turunnya nilai C dan penggunaan sumber
atau fasilitas yang tersedia akan berubah secara sebanding ,proportional-
dengan perubahan tingkat kegiatan.
#ontoh +
C M #& L& I #) L) I #3 L3 I .............................. I #n Ln
etiap penambahan & unit L& akan menaikan C dengan #& , kemudian setiap
penambahan & unit L) akan menaikan nilai C dengan #) dan seterusnya.
). %dditi)ity
"sumsi ini berarti bah1a nilai tujuan tiap kegiatan tidak saling
mempengaruhi, atau dalam /rogram Dinier dianggap bah1a kenaikan dari nilai
tujuan C yang diakibatkan oleh kenaikan suatu kegiatan dapat ditambahkan
tanpa mempengaruhi bagian nilai C yang diperoleh dari kegiatan lain.
#ontoh +
C M 3L& I 6L)
Dimana L& M &5 , L) M )
ehingga C M 35 I &5 M 45
"ndaikata L& bertambah & unit, maka sesuai dengan asumsi pertama, nilai C
menjadi 43. Haitu karena L& bertambah & unit jadi L& M &&, dengan demikian
maka +
C M 3,&&- I 6,)- M 43.
7ilai 3 adalah karena kenaikan L& dapat langsung ditambahkan pada nilai C,
mula-mula tanpa mengurangi bagian C yang diperoleh dari ) ,L)-. Dengan kata
lain tidak ada korelasi antara L& dan L) .
84
3. !i)isibility
"sumsi ini menyatakan bah1a keluaran yang dihasilkan oleh setiap kegiatan
dapat berupa bilangan pecahan. Demikian pula dengan nilai C yang dihasilkan.
Misal + L& M =,6 < C M &.555,96
4. !eterministic *certainty.
"sumsi ini menyatakan bah1a semua parameter yang terdapat dalam model
/rogram Dinier dapat diperkirakan dengan pasti, meskipun jarang dengan tepat.
D. B$7T'* 'M'M MOD$D /(O@("M D070$(
imbol-simbol yang digunakan adalah sebagai berikut +
m M macam batasan-batasan sumber atau fasilitas yang tersedia
n M macam kegiatan-kegiatan yang menggunakan sumber atau fasilitas
tersebut
i M nomor setiap macam sumber atau fasilitas yang tersedia
j M nomor setiap macam kegiatan yang menggunakan sumber atau fasilitas
Fj M tingkat kegiatan ke j
aij M banyaknya sumber i yang diperlukan untuk menghasilkan setiap unit
keluaran kegiatan j
bi M banyaknya sumber atau fasilitas i yang tersedia untuk dialokasikan ke
setiap unit kegiatan
C M nilai yang dioptimalkan ,maksimum atau minimum-
#j M kenaikan nilai C apabila ada pertambahan tingkat kegiatan ,Fj- dengan satu
satuan ,unit-, atau merupakan sumbangan setiap keluaran kegiatan j
terhadap nilai C.
*eseluruhan simbol di atas selanjutnya disusun ke dalam bentuk tabel standar
/rogram Dinier seperti terlihat pada tabel berikut.
Tabel 9.4 Data untuk /rogram Dinier
*egiatan
umber
/emakaian umber per unit kegiatan ,keluaran-
& ) 3 ............................. n
*apasitas umber
&
)
a&& a&) a&3 ............................
a&n
b&
b)
ORSA 85
3
.
.
m
a)& a)) a)3 ............................
a)n
a3& a3) a33 .............................
a3n
. . .
.
. . .
.
am& am) am3 .............................
amn
b3
.
.
bm
C
pertambah-
an bahan tiap
unit
Tingkat
kegiatan
c& c) c3 ............................
cn
F& F) F3 ............................
Fn
Dari tabel tersebut dapat disusun suatu model matematis dalam /rogram Dinier,
yaitu sebagai berikut +
!ungsi tujuan +
Maksimumkan C M #& L& I #) L) I #3 L3 I ............................ I #n Ln
Dengan batasan-batasan +
&- a&& L& I a&) L) I a&3 L3 I ............................................ I a&n Ln b&
)- a)& L& I a)) L) I a)3 L3 I ............................................ I a)n Ln b)
3- a3& L& I a3) L) I a33 L3 I ............................................ I a3n Ln b)
m- am& L& I am) L) I am3 L3 I ............................................ I amn Ln bm
dan
L& 5 , L) 5 , ................................................ Ln 5
Bentuk atau model /rogram Dinier di atas merupakan bentuk standar bagi
masalah-masalah /rogram Dinier.
Terminologi umum tersebut dapat diringkas menjadi sebagai berikut +
&- !ungsi Tujuannya ,ob&ecti)e function- +
#& L& I #) L) I #3 L3 I ......................... I #n Ln
)- !ungsi-fungsi batasan dapat dikelompokan menjadi ) ,dua-, yaitu +
!ungsi batasan fungsional, yaitu fungsi-fungsi batasan sebanyak m, yaitu +
a&& L& I a&) L) I a&3 L3 I .......................... I a&m Lm
86
!ungsi batasan non negatif ,non negati)e constraints-, yaitu fungsi-fungsi
batasan yang dinyatakan dengan L& 5.
3- ?ariabel-variabel L& disebut sebagai variabel keputusan ,decisions
)ariables-.
4- aij , bi dan #j , yaitu masukan-masukan ,input- konstan, disebut sebagai
parameter model.
$. M$TOD" @("!0*
Metoda grafik hanya dapat digunakan dalam pemecahan masalah
/rogram Dinier yang berdimensi ) F n atau m F ), karena keterbasan
kemampuan grafik dalam menyampaikan sesuatu. ;al ini merupakan
persyaratan mutlak untuk dapat digunakannya metoda grafik.
Dangkah-langkah penggunaan metoda grafik +
&. Menentukan fungsi tujuan dan memformulasikannya kedalam bentuk
matematis.
). Mengidentifikasi batasan-batasan yang berlaku dan memformulasikannya
kedalam bentuk matematis.
3. Menggambarkan masing-masing garis fungsi batasan kedalam sumbu
salib.
4. Mencari titik yang paling menguntungkan ,optimal- dihubungkan dengan
fungsi tujuan.
#ontoh +
/erusahaan sepatu A(070B membuat ) ,dua- macam sepatu merk @& dan @).
'ntuk membuat sepatu tersebut perusahaan mempunyai 3 ,tiga- buah mesin
yaitu +
Mesin & khusus untuk membuat sosl sepatu @&.
Mesin ) khusus untuk membuat sol sepatu @).
Mesin 3 untuk membuat bagian atas semua jenis sepatu ,@& dan @)-.
etiap lusin sepatu @& mula-mula dikerjakan di Mesin & selama ) jam, kemudian
dikerjakan di Mesin 3 selama = jam. edangkan sepatu @) mula-mula dikerjakan
di Mesin ) selama 3 jam, kemudian dikerjakan di Mesin 3 selama 6 jam.
ORSA 87
>am kerja maksimum setiap hari untuk Mesin & adalah : jam, Mesin ) adalah &6
jam dan Mesin 3 adalah 35 jam.
umbangan terhadap laba atau keuntungan untuk setiap lusin sepatu @& adalah
(p.35.555,- sedangkan sepatu @) adalah (p.65.555,-.
Berapa lusin sebaiknya perusahaan sepatu membuat sepatu @& dan @) agar
bisa memaksimalkan keuntungan atau labanya T
/enyelesaian +
usun data tersebut ke dalam bentuk tabel /rogram Dinier, yaitu sebagai berikut
Tabel 9.4 Data perusahaan sepatu A(070B
M
erk
Mesin
@& @)
*apasitas
Maksimum
&
)
3
) 5
5 3
= 6
:
&6
35
umbangan
terhadap laba
dalam puluhan ribu
rupiah.
3 6
L& M jumlah sepatu Merk @& yang akan dibuat tiap hari.
L) M jumlah sepatu Merk @) yang akan dibuat tiap hari.
C M jumlah sumbangan dari seluruh sepatu yang akan dibuat.
!ungsi Tujuan +
Maksimumkan C M 3L& I 6L)
Dengan batasan +
,&- )L& :
,)- 3L) &6
,3- =L& I 6L) 35
L& dan L) 5
elanjutnya gambarkan fungsi-fungsi tersebut ke dalam bentuk grafik.
@ambar 9.& @rafik fungsi tujuan dan batasan perusahaan sepatu A(070B
L)
88
)L& M :
:
= # ,68= , 6- 3L) M &6
D
4 =L& I 6L) M 35
)
B ,4 , =86-
5
) " 4 p K = : &5 L)
Daerah yang diarsir merupakan daerah fisibel atau daerah yang memenuhi atau
sesuai dengan batasan-batasan yang ada, atau merupakan daerah yang
menunjukan dimana kemungkinan-kemungkinan kombinasi L& dan L) yang
optimal, dapat dilakukan dengan ) cara, yaitu +
a. Dengan menggambarkan fungsi tujuan.
#ara ini disebut juga dengan trial and error, karena disini kita melakukan coba-
coba hingga pada akhirnya titik yang optimal tersebut ditemukan.
Disini kita menentukan nilai tujuan C dengan coba-coba, misalnya kita tentukan
C M &5, selanjutnya kita gambarkan C M &5 M 3L& I 6L) pada grafik tadi,
tujuannya adalah untuk mengetahui apakah ada nilai ,L& , L)- di dalam daerah
fisibel yang akan mendapatkan C M &5.
Ternyata pada gambar =.& terlihat bah1a dengan menggambarkan 3L& I 6L) M
&5, terdapat lebih satu titik pada garis tersebut yang terletak di dalam daerah
fisibel, dengan kata lain belum diperoleh titik yang optimal. 'ntuk itu kita perlu
menggesernya ke kanan yaitu dengan memperbesar nilai C.
Misalnya kita tetapkan nilai C M )5, selanjutnya kita gambarkan lagi pada grafik
tersebut garis C M )5 M 3L& I 6L) , ternyata dengan menggambarkan garis
inipun masih terdapat lebih dari satu titik pada garis tersebut yang terletak pada
daerah fisibel, sehingga perlu digeserkan lagi ke kanan, atau dengan lebih
memperbesar lagi nilai C.
ORSA 89
ampai pada akhirnya ditemukan dengan nilai C M )9&8) M 3L& I 6L) ternyata
garis tersebut menyinggung daerah fisibel pada titik # ,68= , 6-.
Dengan demikian maka kombinasi optimalnya adalah L& M 68= dan L) M 6,
dengan C maksimal sebesar )9&8).
b. Dengan membandingkan nilai C yang dihasilkan pada titik-titik yang berada
pada daerah fisibel, dan yang nilai C nya tertinggi itulah titik yang menunjukan
titik yang optimal.
&- Titik 5
/ada titik ini nilai L& M 5, L) M 5 . Maka C nya pun M 5.
)- Titik "
/ada titik ", nilai L& M 4, L) M 5
Maka C M ,3 F 4- I ,6 F 5- M &).
3- Titik B
/ada titik B, nilai L& M 4 , nilai L) dicari dengan cara mensubstitusikan nilai L&
M 4 ke dalam fungsi batasan ,3-, maka + ,= F 4- I 6L) M 35. Diperolek nilai L)
M =86.
Dengan nilai L& M 4 dan L) M =86 , maka diperoleh C M ,3 F 4- I ,6 F =86- M
&:.
4- Titik #
/ada titik #, nilai L) M 6, nilai L& dicari dengan mensubstitusikan nilai L& M 6
ke dalam fungsi batasan ,3-, maka ,= F L&- I ,6 F 6- M 35. Diperoleh nilai L& M
68=.
Dengan nilai L& M 68= dan L) M 6, maka C M ,3 F 68=- I ,6 F 6- M )9&8).
6- Titik D
/ada titik D, nilai L& M 5 dan L) M 6.
7ilai C M ,3 F 5- I ,6 F 6- M )6.
Dari kelima alternatif tersebut yang mempunyai nilai C terbesar adalah pada titik
# yang terletak pada kombinasi L& M 68= dan L) M 6, dimana besarnya C M
)9&8). >adi titik # merupakan titik yang optimal.
Dengan demikian keputusannya adalah pabrik sepatu A(070B sebaiknya
memproduksi sepatu Merk @& sebanyak 68= lusin dan @) sebanyak 6 lusin
setiap harinya, untuk mendapatkan laba atau keuntungan yang maksimal
sebesar (p.)96.555,- tiap harinya.
90
!. M$TOD" 0M/D$L
Metoda simpleF merupakan suatu cara dalam /rogram Dinier yang dipakai
untuk menentukan kombinasi optimal dari 3 variabel atau lebih.
Bila variabel keputusan yang dikandung tidak terlalu banyak masalah, dapat
diselesaikan dengan suatu algoritma yang biasanya disebut metoda simpleF
tabel. 7amun bila variabel keputusannya terlalu banyak, maka pemecahannya
dengan menggunakan bantuan komputer.
Dangkah-langkah Metoda impleF +
a. Merubah fungsi tujuan dan batasan-batasannya.
!ungsi tujuan dirubah menjadi fungsi implisit, artinya semua #j Lij kita geser ke
kiri.
#ontoh + Dihat soal perusahaan sepatu A(070B.
!ungsi tujuan C M 3L& I 6L) dirubah menjadi C - 3L& - 6L) M 5.
/ada bentuk standar semua batasan mempunyai tanda . *etidaksamaan ini
dirubah menjadi kesamaan dan ditambahkan dengan variabel slack.
Variabel slac/ adalah variabel tambahan yang me1akili tingkat pengangguran
atau kapasitas yang merupakan batasan.
imbol variabel slack adalah LnI& , LnI) , ........................ I LnIm.
*arena tingkat atau hasil kegiatan yang ada di1akili oleh L& dan L) , maka
variabel slack dimulai dari L3 , L4 dan seterusnya.
Dengan demikian fungsi batasan dirubah menjadi +
,&- )L& : menjadi )L& I L3 M :
,)- 3L) &6 menjadi 3L) I L4 M &6
,3- =L& I 6L) 35 menjadi =L& I 6L) I L6 M 35
Berdasarkan perubahan tersebut formulasi fungsi tersebut adalah sebagai
berikut +
!ungsi tujuan +
Maksimumkan C - 3L& - 6L)
Batasan-batasan + ,&- )L& I L3 M :
,)- 3L) I L4 M &6
ORSA 91
,3- =L& I 6L) I L6 M 35
b. Menyusun persamaan-persamaan di dalam tabel.
usunlah formulasi fungsi yang telah dirubah ke dalam tabel simpleF.
Tabel 9.6 Bentuk Tabel impleF
?ariabel
dasar C L& L) ................ Ln LnI& LnI) .........
LnIm
7*
C
CnI&
CnI)
.
CnIm
&
5
5
.
5
-#& -#) ................ -#n 5 5 ..........
5
a&& a&) .............. a&n &
5 .......... 5
a)& a)) ............... a)n 5
& .......... 5
. . ............... . . . .........
.. .
am& am) .............. amn 5
5 ............ &
5
b&
b)
.
bm
7* adalah Anilai kananB persamaan, yaitu nilai di belakang tanda sama dengan
,M-.
'ntuk batasan ,&- sebesar :, batasan ,)- sebesar &6 dan batasan ,3- sebesar
35.
?ariabel dasar adalah variabel yang nilainya sama dengan sisi kanan dari
persamaan.
/ada persamaan )L& I L3 M :, kalau belum ada kegiatan apa-apa, berarti nilai
L& M 5, dan semua kapasitas masih menganggur, maka pengangguran ada :
satuan, atau nilai L3 M :.
/ada tabel 6.= di ba1ah variabel dasar ,L3, L4, L6- pada fungsi tujuan pada
tabel permulaan ini harus M 5, dan nilainya pada batasan-batasan bertanda
positif.
Tabel 9.= Data perusahaan sepatu A(070B dalam tabel impleF pertama
?ariabel
Dasar C L& L) L3 L4 L6 7*
C
L3
L4
&
5
5
-3 -6 5 5 5
) 5 & 5 5
5 3 5 & 5
5
:
&6
92
L6 5 = 6 5 5 & 35
etelah data disusun dalam tabel di atas selanjutnya diadakan perubahan-
perubahan agar dapat dicapai titik optimal.
c. Memilih kolom kunci
*olom kunci adalah kolom yang merupakan dasar untuk merubah tabel simpleF.
/ilihlah kolom yang mempunyai nilai pada baris fungsi tujuan yang bernilai
negatif dengan angka terbesar. Dalam hal ini adalah kolom L) dengan nilai pada
garis persamaan tujuan -6. Berilah tanda segi empat pada kolom L).
*alau suatu tabel sudah tidak memiliki nilai negatif pada baris fungsi tujuan,
berarti tabel itu tidak bisa dioptimalkan lagi ,sudah optimal-.
Tabel 9.9 /emilihan kolom kunci
?ariabel
Dasar C L& L) L3 L4 L6 7*
*eterangan
C
L3
L4
L6
&
5
5
5
-3 -6 5 5 5
) 5 & 5 5
5 3 5 & 5
= 6 5 5 &
5
:
&6
35
&683 M 6 ,min-
3586 M =
d. Memilih baris kunci
Baris kunci adalah baris yang merupakan dasar untuk merubah tabel. 'ntuk itu
terlebih dulu carilah indeks tiap-tiap baris denga rumus sebagai berikut +
0ndeks M 7ilai kolom 7* + 7ilai kolom kunci
'ntuk baris batasan ,&- besarnya indeks adalah : + 5 M , baris batasan ,)-
besarnya indeks adalah &6 + 3 M 6, dan baris batasan ,3- besarnya indeks
adalah 35 + 6 M =.
/ilihlah baris yang mempunyai indeks positif dengan angka terkecil. *emudian
berilah tanda segi empat pada baris kunci tersebut.
ORSA 93
Tabel 9.: #ara merubah nilai baris kunci
?ariabel
dasar C L& L) L3 L4 L6 7*
C
L3
L4
L6
&
5
5
5
-3 -6 5 5 5
) 5 & 5 5
5 3 5 & 5
= 6 5 5 &
5
:
&6
35
C
L3
L)
L6
&
5
5
5
5 & 5 &83 5 6
e. Merubah nilai-nilai baris kunci
7ilai baris kunci dirubah dengan cara membaginya dengan angka kunci lihat
bagian ba1ah tabel 6.: yaitu 583 M 5 , 383 M & , 583 M 5 , &83 M &83 , 583 M 5 dan
&683 M 6.
@antilah variabel dasar pada baris itu dengan variabel yang terdapat di bagian
atas kolom kunci ,L)-.
f. Merubah nilai-nilai selain pada baris kunci
Baris baru M Baris lama - koefisien pada kolom kunci F nilai baru baris kunci
'ntuk data di atas, nilai baru baris pertama ,C- sebagai berikut +
[ -3 -6 5 5 5 , 5 ]
,-6- [ 5 & 5 &83 5 , 6 ] ,--
7ilai baru M [ -3 5 5 683 5 . )6 ]
Baris kedua batasan ,&- +
[ ) 5 & 5 5 , : ]
,5- [ 5 & 5 &83 5 , 6 ] ,--
7ilai baru M [ ) 5 & 5 5 . : ]
Baris keempat batasan ,)- +
94
[ = 6 5 5 & , 35 ]
,6- [ 5 & 5 &83 5 , 6 ] ,--
7ilai baru M [ = 5 5 -683 5 . 6 ]
elanjutnya nilai-nilai tersebut dimasukan ke dalam tabel 9.: bagian ba1ah tabel
tersebut, hasilnya lihat pada tabel 9.2 berikut.
Tabel 9.2 Tabel pertama nilai lama dan tabel kedua nilai baru
?ariabel
dasar C L& L) L3 L4 L6 7*
C
L3
L4
L6
&
5
5
5
-3 -6 5 5 5
) 5 & 5 5
5 3 5 & 5
= 6 5 5 &
5
:
&6
35
C
L3
L)
L6
&
5
5
5
-3 5 5 683 5
) 5 & 5 5
5 & 5 &83 5
= 5 5 -683 &
)6
:
6
6
g. Melanjutkan perbaikan-perbaikan atau perubahan-perubahan
'langlah perbaikan-perbaikan mulai langkah c sampai langkah f untuk
memperbaiki tabel-tabel yang telah dirubah atau diperbaiki nilainya. /erubahan
baru berhenti setelah pada baris pertama ,fungsi tujuan- tidak ada yang bernilai
negatif.
Tabel 9.&5 *olom dan baris dari tabel hasil perbaikan pertama, dan nilai baru
baris kunci hasil perbaikan kedua
?ariabel
Dasar C L& L) L3 L4 L6 7*
C
L3
L)
L6
&
5
5
5
-3 5 5 683 5
) 5 & 5 5
5 & 5 &83 5
= 5 5 -683 &
)6
: ---W :8) M 4
6
6 --W 68=
ORSA 95
C
L3
L)
L6
&
5
5
5 & 5 5 -68&: &8: 68=
7ilai baru baris-baris yang lain kecuali baris kunci sebagai berikut +
Baris ke & +
[ -3 5 5 683 5, )6 ]
,-3- [ & 5 5 -68&: &8=, 68= ] ,--
7ilai baru + [ 5 5 5 68= &8), )9&8) ]
Baris ke ) +
[ ) 5 & 5 5, : ]
,)- [ & 5 5 -68&: &8=, 68= ] ,--
7ilai baru + [ 5 5 & 682 -&83, =&83 ]
Baris ke 3 tidak berubah, karena nilai pada kolom kunci M 5.
elanjutnya kita lihat pada tabel berikut.
Tabel 9.&& ;asil perubahan atau perbaikan kedua
?ariabel
Dasar C L& L) L3 L4 L6 7*
C
L3
L)
L&
&
5
5
5
5 5 5 68= &8)
5 5 & 682 -&83
5 & 5 &83 5
& 5 5 -68&: &8=
)9&8)
=&83
6
68=
*alau dilihat pada baris pertama ,C- tidak ada lagi nilai negatif, semuanya
positif, berarti tabel tersebut tidak dapat dioptimalkan lagi, sehingga hasil dari
tabel tersebut sudah merupakan hasil yang optimal.
*esimpulannya adalah +
96
L& M 68=, ehingga produksi sepatu merek @& M 68= lusin per hari.
L) M 6, ehingga produksi sepatu merk @) M 6 lusin per hari.
C maksimum M )9&8), artinya keuntungan yang akan diperoleh sebesar
(p.)96.555,-8hari.
oal latihan+
3. " firm has ):5 machine-hours and 3)5 labour-hours available per
1eek. 0t produces t1o products, and 1e have the follo1ing data+
/roduct &+ /rofit per unit produced M U4. 'se of machine-hours per unit
produced M ). 'se of labour-hours per unit produced M 4.
/roduct )+ /rofit per unit produced M U&4. 'se of machine-hours per unit
produced M 4. 'se of labour-hours per unit produced M ).
The firm has established a minimum level of employment policy reKuiring at
least )55 labour-hours to be used 1eekly. "ssuming that the firm 1ishes to
maFimi.e profits, formulae this as a linier programming problem and solve at
using the simpleF method.
Ke!"#"$ :. METODE PERAMALAN
". /$7@$(T0"7
(amalan adalah suatu kondisi atau situasi yang diperkirakan akan terjadi pada
masa yang akan datang. /eramalan adalah suatu kegiatan untuk
memperkirakan apa yang akan terjadi pada masa yang akan datang.
edangkan metode peramalan adalah cara untuk memperkirakan secara
kuantitatif apa yang akan terjadi di masa yang akan datang secara sistematis
dan pragmatis, berdasarkan data yang relevan pada masa lalu. ,"ssauri,&2:4-
*egunaan metode peramalan adalah sebagai berikut +
'ntuk dapat memperkirakan secara sistematis dan pragmatis keadaan yang
akan datang yang dapat memberikan obyektivitas yang lebih besar.
Dapat memberikan urutan pengerjaan dan pemecahan atas pendekatan
masalah dalam suatu peramalan.
ORSA 97
Dapat memberikan cara pengerjaan yang teratur dan terarah.
Dapat memberikan hasil peramalan dengan tingkat kepercayaan yang lebih
besar.
B. >$70->$70 M$TOD$ /$("M"D"7
/ada dasarnya metoda peramalan kuantitatif dibedakan menjadi ) ,dua-, yaitu +
a. Metoda peramalan yang didasarkan atas penggunaan analisis pola
hubungan antara variabel yang akan diperkirakan dengan variabel 1aktu.
Hang termasuk ke dalam kelompok ini adalah +
Metoda $moothing, metode ini digunakan untuk mengurangi
ketidakteraturan musiman dari data yang lalu maupun kedua-duanya,
dengan cara membuat rata-rata tertimbang dari sederetan data yang lalu.
Data yang dibutuhkan untuk untuk penggunaan metode ini minimum
selama ) ,dua- tahun. *etepatan ,accuracy- dari metode ini akan lebih
baik bila digunakan untuk peramalan jangka pendek. Metode ini
digunakan untuk perencanaan dan pengendalian produksi dan
persediaan, perencanaan keuntungan, perencanaan keuangan, dsb.
Metode Bo1 Jen/ins, merupakan metode yang menggunakan dasar deret
1aktu dengan model matematis, agar kesalahan yang terjadi dapat
sekecil mungkin. Metode ini sangat baik ketepatannya untuk peramalan
jangka pendek. Data yang dibutuhkan minimum ) tahun. Metode ini
digunakan untuk peramalan dalam perencanaan dan pengendalian
produksi.
Metode /royeksi 6rend dengan #egresi, yaitu merupakan dasar garis
trend untuk suatu permasalahan matematis, sehingga dengan dasar
persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa
depan. Metode ini sangat baik untuk peramalan jangka pendek maupun
jangka panjang. Data yang dibutuhkan adalah data tahunan dan minimum
98
6 ,lima- tahun. Metode ini digunakan untuk penyusunan rencana
ekspansi, rencana investasi, rencana pembangunan dll.
b. Metode peramalan yang didasarkan atas penggunaan analisis pola
hubungan antara variabel yang akan diperkirakan dengan variabel lain yang
mempengaruhinya yang bukan variabel 1aktu, atau dikenal dengan metode
sebab akibat ,causal methods- atau /orelasi. Termasuk ke dalam kelompok
metode ini adalah sebagai berikut +
Metode regresi dan korelasi, metode ini didasarkan pada penetapan
suatu persamaan estimasi menggunakan tehnik Aleast s<uaresB.
/eramalan ini sangat baik untuk digunakan dalam peramalan jangka
pendek. Data yang dibutuhkan adalah data kuartalan dan beberapa tahun
yang lalu. Metode ini banyak digunakan untuk peramalan penjualan,
perencanaan keuntungan, peramalan permintaan, dan peramalan
keadaan ekonomi.
Metode ekonometri, didasarkan atas peramalan pada sistem persamaan
regresi yang diestimasikan secara simultan. Metode ini baik digunakan
untuk peramalan jangka pendek maupun jangka panjang. Data yang
dibutuhkan adalah data kuartalan selama beberapa tahun. Metode ini
selalu digunakan untuk peramalan penjualan menurut kelas produk, atau
peramalan keadaan ekonomi masyarakat, seperti permintaan, harga dan
pena1aran.
Model input(output, yaitu model yang dipergunakan untuk menyusun
proyeksi trend ekonomi jangka panjang. Model ini sangat baik digunakan
untuk peramalan jangka panjang. Data yang dibutuhkan adalah data
tahunan selama sekitar &5 ,sepuluh- sampai &6 ,lima belas- tahun. Model
ini banyak digunakan untuk peramalan penjualan perusahaan, penjualan
sektor industri dan subsektor produksi dari sektor industri.
#. M$TOD$ MOOT;07@
ORSA 99
a. Metode rata-rata kumulatif
Metode ini menggunakan pendekatan dan analisisnya pada seluruh data masa
lalu yang dijadikan dasar dalam penyusunan ramalan masa yang akan datang.
>adi seluruh data masa lalu mempengaruhi nilai ramalan masa datang, sehingga
ramalan untuk bulan depan misalnya ditentukan oleh data atau fakta yang telah
terjadi pada bulan-bulan sebelumnya.
#ontoh +
eseorang akan meramalkan besarnya kebutuhan satu jenis bahan pada bulan
Mei &22:, sebagai dasar penentuan rencana persediaan. Data pengeluaran
bahan tersebut pada bulan >anuari, !ebruari, Maret dan "pril, masing-masing
adalah 46 unit, 6= unit, 6& unit dan =5 unit.
/emecahan +
Dari data tersebut dapat diramalkan bah1a kebutuhan bahan pada bulan Mei
adalah sebagai berikut + ,46 I 6= I 6& I =5- + 4 unit M 63 unit.
elanjutnya bila ternyata pada bulan Mei realisasinya adalah 6: unit, maka
untuk bulan >uni pengeluarannya diramalkan sebesar + ,46 I 6= I 6& I =5 I
6:- + 6 unit M 64 unit.
Metode ini dapat mengurangi kesalahan ramalan error, kesalahan kuadrat rata-
rata ,mean s<uare error- dan ramalan tersebut adalah hasil bagi dari jumlah
kesalahan ramalan kuadrat dengan banyaknya ramalan, yaitu 242 + : M &&2
unit. edangkan kesalahan ramalan adalah hasil bagi jumlah kesalahan ramalan
kuadrat dengan Adegree of freedomB, yaitu banyaknya ramalan dikurangi dengan
) ,dua- atau e&
)
8n - ) , yaitu 2428: - ) M &),69= M &3 unit. Dihat tabel :.&
berikut ini.
Tabel :.& (ata-rata kumulatif sebagai ramalan kebutuhan satu jenis bahan
Bulan /engeluaran
8 kebutuhan
(amalan atas dasar
rata-rata kumulatif
*esalaha
n
ramalan
*esalahan
ramalan
kuadrat
>anuari
!ebruari
Maret
"pril
46
6=
6&
=5
-
46
6&
6&
-
&&
5
2
-
&)&
5
:&
100
Mei
>uni
>uli
"gustus
eptember
6:
64
96
4&
=5
63
64
64
69
66
6
5
)&
-&=
6
)6
5
44&
)6=
)6
*esulitan dari penggunaan metode ini adalah oleh karena ramalan yang disusun
didasarkan pada nilai rata-rata dari seluruh data realisasi yang telah lalu, maka
untuk penyusunan ramalan periode yang berikut digunakan data yang lebih
banyak, sehingga makin lama peramalan dilakukan, maka data yang digunakan
makin banyak pula. ;al ini sudah tentu akan menimbulkan kesulitan dalam
penyimpanan data ,storage-.
b. Metode rata-rata bergerak
Tujuan utama dari penggunaan metode ini adalah untuk menghilangkan atau
mengurangi acakan ,randomness- dalam deret 1aktu.
#aranya adalah sebagai berikut +
/ilihlah jumlah periode yang akan digunakan untuk menghitung rata-rata
beregerak. >umlah ini ,7- dinamakan order dari rata-rata bergerak.
"mbilah permintaan rata-rata untuk 7 periode yang paling akhir. /ermintaan
rata-rata ini kemudian menjadi ramalan untuk periode berikutnya.
#ontoh +
/ada bulan !ebruari, Maret, "pril, Mei dan >uni data permintaan suatu produk
adalah 25, :5, &)5, &55 dan :5. *ita ingin meramal permintaan untuk bulan >uli.
/emecahan +
/ilihlah 7, misalnya kita tentukan 7 M 4. 7ilai 7 lebih besar akan mempunyai
efek meratakan atau smoothing yang lebih besar atas fluktuasi acak dalam
permintaan. 7lai 7 lebih kecil akan menekan permintaan yang lebih baru.
/erhatikan jika nilai 7 M & akan membuat angka permintaan periode berjalan
menjadi ramalan untuk periode berikutnya.
(amalan permintaan bulan >uli M ,/ermintaan bl.Maret I "pril I Mei I >uni - + 4
M
M ,:5 I &)5 I &55 I :5- + 4 M 2= unit.
ORSA 101
elanjutnya andaikan permintaan aktual bl.>uli adalah &55 unit, maka ramalan
permintaan bl."gustus M ,&)5 I &55 I :5 I 2=- + 4 M &55 unit.
#ontoh lain lihat tabel :.) berikut.
Tabel :.) /eramalan pemakaian listrik di Daerah ALB selama tahun &2:& ,dlm
555 k1h-
Bulan /eriode8
1aktu
7ilai observasi (ata-rata
bergerak 3
bulanan
(ata-rata
bergerak 4
bulanan
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
&
)
3
4
6
=
9
:
2
&5
&&
&)
)65,5
&=5,5
)&5,5
)&6,6
3&6,5
&:5,6
&96,5
&65,5
)45,5
359,5
)96,5
-
-
-
-
)5=,9
&26,)
)4=,:
)39,5
))3,6
&=:,6
&::,3
)3),3
)94,5
-
-
-
-
-
)35,&
)&=,)
)&2,)
)59,)
)&),&
)&5,6
))2,4
D. M$TOD$ /$("T""7 $*/O7$70"D
a. *apan penggunaan perataan eksponensial dilakukan T
/enggunaan metode ini paling sesuai pada kondisi sebagai berikut +
#akupan 1aktu peramalan relatif pendek, misalnya harian, mingguan, atau
bulanan.
Tidak banyak informasi luar yang tersedia mengenai hubungan sebab akibat
antara permintaan akan suatu mata produk dan faktor independen yang
mempengaruhinya.
'paya sedikit dalam peramalan dikehendaki. 'saha ini diukur baik dari
kemudahan aplikasi metode maupun dari kebutuhan komputasi untuk
mengimplementasikannya.
102
(amalan perlu disesuaikan untuk memasukan unsur keacakan ,fluktuasi
permintaan diratakan- dan mencerminkan kecenderungan dan sifat
musiman-.
b. *onsep dasar model perataan eksponensial
Model perataan eksponensial paling sederhana dapat digunakan bila tidak ada
komponen kecenderungan atau musiman dalam data. >adi hanya ada
komponen-komponen hori.ontal, dan karena sifat keacakan permintaan
berfluktuasi disekitar Apermintaan rata-rataB, yang kita namakan AbasisB atau
dasar.
Basis baru M Basis sebelumnya I ,/ermintaan baru - Basis sebelumnya-
imbolnya + t M t-& I ,Dt - t-&- /ersamaan ,&-
*eterangan + t M Basis baru
t-& M Basis sebelumnya
Dt M /ermintaan baru
M *onstanta perataan, besarnya adalah antara 5 - &
,biasanya nilai
yang umum dipakai adalah 5,5& sampai 5,35.
Basis baru M ,/ermintaan baru- I ,&--,Basis sebelumnya-
imbolnya + t M Dt I ,&--.t-& /ersamaan ,)-
#ontoh +
Diketahui M 5,&5 , jan M 65 unit , Dfeb M =5 unit
berapa basis baru T
/emecahan +
feb M 5,&Dfeb I ,&-5,&-jan
M 5,& F =5 I 5,2 F 65
M 6& unit
ORSA 103
c. *esalahan peramalan
*esalahan peramalan ,5orecast errors- didefinisikan sebagai +
et M *esalahan peramalan
M /ermintaan aktual untuk periode t - /eramalan untuk periode t
*esalahan peramalan merupakan ukuran ketepatan dan menjadi dasar untuk
membandingkan kinerja model. 'kuran kesalahan yang la.im digunakan
adalah +
*esalahan rerata ,a)erage error, "$- M &87 et
Deviasi absolut rata-rata ,mean absolute de)iation, M"D- M &87 | et |
*esalahan kuadrat rata-rata ,mean s<uared error, M$- M &87 et
)
*esalahan persentase absolut rata-rata ,mean absolute percentage error,
M"/$- M &87 | et8Dt F &55 |
*esalahan rerata ,"$- akan mendekati nol ,5- untuk percontohan atau sampel
yang besar, jika tidak model yang digunakan mengandung bias. Bias
menunjukan kecenderungan sistematik untuk meramalkan permintaan terlalu
tinggi atau terlalu rendah.
M"D memberikan informasi tambahan yang berguna dalam memilih model
peramalan dan parameter-parameternya. M"D adalah jumlah dari semua
keselahan tanpa memandang tanda aljabar, dibagi dengan jumlah observasi.
M$ memberikan informasi serupa dengan M"D, tetapi M$ menghukum
,penali9e- kesalahan yang besar. M$ dihitung dengan menjumlahkan
kesalahan-kesalahan kuadrat individual dan membaginya dengan jumlah
obervasi.
M"/$ adalah ukuran relatif yang dihitung dengan membagi kesalahan
peramalan untuk periode t dengan permintaan aktual untuk periode t dan
karenanya menghitung kesalahan persentase pada periode t. M"/$
memberikan gambaran kepada kita tentang seberapa jauh peramalan meleset
sebagai persentase dari permintaan.
*esalahan peramalan pada periode t
N kesalahan pada periode t M F &55
104
/ermintaan pada periode t
Tabel :.3 /erhitungan 4 ,empat- ukuran kesalahan peramalan
/eriode /ermintaan /eramalan *esalahan ,kesalahan
-
)
N
*esalahan
&
)
3
4
6
)5
35
&5
45
35
&:
)6
&6
35
36
I )
I 6
- 6
I &5
- 6
4
)6
)6
&55
)6
I &5,55
I &=,=9
- 65,55
I )6,55
I &=,=9
*esalahan rerata ,"$- M , )I6-6I&5-6- + 6 M &,4
M"D M ,)I6I6I&5I6- + 4 M 6,4
M$ M ,4I)6I)6I&55I)6- + 6 M 36,:
M"/$ M ,&5I&=,=9I65I)6I&=,=9- + 6 M )3,=N
/ersentase kesalahan dijumlahkan dengan mengabaikan tanda aljabar dan
jumlah ini kemudian dibagi dengan jumlah observasi untuk mendapatkan M"/$.
$. "7"D00 ($@($0 $D$(;"7"
(egresi sederhana adalah suatu pola hubungan yang merupakan fungsi, dimana
hanya terdapat & ,satu- variabel yang menentukan atau variabel bebas.
7otasi matematisnya adalah + H M f ,L-
H adalah variabel yang diramal atau dependent )ariable.
L adalah variabel bebas atau indepndent )ariable.
/ola hubungan tersebut dibedakan menjadi ) ,dua- yaitu +
"nalisis atau model deret 1aktu ,time series-.
"nalisis atau model sebab akibat ,cross secrtion-.
a. "nalisis (egresi Dinier ederhana
7otasi (egresi sederhana adalah + H M a I bL
,YLZ-,YH- E ,YL-,YLH-
a M
nYLZ - ,YL-Z
ORSA 105
n LH - ,YL-,YH-
b M
n L
)
- ,YL-
)
n adalah jumlah observasi.
a dan b adalah parameter atau koefisien regresi.
Tabel :.3 Data dan perhitungan untuk analisis regresi !elicious 5ried Chic/en
Tahun /enjualan
Toko ,&5 ribu
dolar-
/enjualan industri
,juta dolar-
LH L
)
H
)
&
)
3
4
6
=
9
:
2
&5
2
&4
&=
&:
&2
)5
&:
)&
))
)3
)
4
4
=
=
=
9
9
:
&5
&:
6=
=4
&5:
&&4
&)5
&)=
&49
&9=
)35
4
&=
&=
3=
3=
3=
42
42
=4
&55
:&
&2=
)6=
3)4
3=&
455
3)4
44&
4:4
6)2
>umla
h
&:5 =5 &.&62 452 3.32=
Dari tabel :.3 kita akan dapat menghitung +
&5F&.&62 - &:5F=5 452F&:5 E =5F&.&62
b M M &,=& a M M :,33
&5F452 - =5
)
&5F452 - =5Z
@aris regresinya adalah H M a I bL M :,33 I &,=&L
>ika perkiraan penjualan industri pada tahun ke && adalah U&5 juta, maka
penjualan toko diramalkan sebagai berikut +
H M :,33 I &,=& F &5 M )4,43 atau )4,43 F U&5.555 M U )44.355,-
Tabel :.4 Data dan perhitungan regresi penjualan produk "
Tahun /enjualan
,unit- H
L LZ HZ LH
&22=
&229
&22:
&222
)555
)55&
&&5
&)6
&)5
&36
&45
&=5
5
&
)
3
4
6
5
&
4
2
&=
)6
&)&55
&6=)6
&4455
&:))6
&2=55
)6=55
5
&)6
)45
456
6=5
:55
>umlah 925 &6 66 &56665 )&35
106
Dari tabel :.4 dapat dihitung+
66F925 E &6F)&35 =F)&35 E 925F&6
a M M &52,6 b M M 2,33
=F66 E &6F&6 =F 66 E &6F&6
>adi garis regresinya adalah H M a I bL M &52,6 I 2,33L
ehingga untuk perkiraan tahun )55) penjualannya adalah M &52,6 I 2,33F= M
&=6,6
!. M$TOD$ ?"(0"0 M'0M
Dalam menyusun ramalan jangka pendek dan sedang, perlu diperhatikan
adanya pengaruh variasi musim. Hang dimaksud adalah fluktuasi di sekitar grais
trend yang berulang secara teratur dalam periode yang sama pada setiap tahun.
?ariasi musim ini dapat disebabkan oleh faktor alami dan faktor non-alami
seperti agama, budaya, pemerintahan dsb.
Tehnik peramalan yang digunakan adalah tehnik dekomposisi yaitu tehnik yang
mendasarkan penganalisaan untuk mengidentifikasi 3 ,tiga- faktor utama, yaitu +
!aktor trend, yaitu merupakan pergerakan yang mendasar pada jangka
panjang dari suatu deret 1aktu.
!aktor musim, yaitu merupakan pola berkala yang teratur dan terdapat dalam
suatu deret data yang sifatnya tahunan.
!aktor siklus, yaitu merupakan suatu pola berkala dalam data deret 1aktu
yang terjadi dan berulang kembali setelah suatu masa dalam beberapa
tahun.
a. Model Dekomposisi
Model dekomposisi mendasarkan asumsi bah1a data yang ada merupakan
gabungan dari beberapa komponen, yaitu +
Data M /ola I *esalahan ,error-
M f,trend, musim, siklus- I error
ORSA 107
'nsur error adalah perbedaan dari kombinasi hasil dari ketiga komponen dari
suatu deret data dengan data sebenarnya ,aktual-.
*onsep dasar dari dekomposisi adalah data empiris di mana yang pertama
adalah adanya pergeseran musim, kemudian trend dan terakhir siklus.
Bentuk model dekomposisi adalah sebagai berikut +
Lt M f,t, Tt, #t, 0t-
*eterangan +
Lt M 7ilai deret 1aktu ,actual data- pada periode t.
t M *omponen musiman atau indeks musiman pada periode t.
Tt M *omponen trend pada periode t.
#t M *omponen siklus pada periode t.
0t M *omponen irreguler atau error pada periode t.
b. Tehnik dekomposisi suatu deret 1aktu
Dangkah-langkah tehnik dekomposisi +
&- 'ntuk deret data yang sebenarnya, Lt dihitung dengan metode rata-rata
bergerak yang mempunyai panjang masa 7, yang sama dengan panjang atau
lamanya musiman.
)- Memisahkan hasil rata-rata bergerak dengan 7 periode pada butir &, dari
deret data asalnya untuk dapat diperoleh trend dan siklus.
3- Memisahkan faktor atau komponen musim dengan merata-ratakannya untuk
setiap periode agar dapat membuat panjang yang tepat dari musiman.
4- Mengidentifikasi bentuk yang tepat dari trend ,linier, eksponensial, scurve,
dll- dan menghitung nilai-nilai pada periode t.
6- Memisahkan hasil yang diperoleh pada butir atau tahap kedua dari yang
keempat ,nilai kombinasi trend dan siklus- untuk dapat memperoleh faktor
siklus.
=- Memisahkan faktor musiman, trend dan siklus dari deret data asal untuk
memperoleh faktor acakan yang tersisa 0t.
Lt
0ndeks Musim M
(ata-rata bergerak di tengah-tengah atas Lt
t M bulan ke t
108
Lt M data aktual tiap bulan
(ata-rata bergerak di tengah-tengah atas Lt M tengah-tengah bulan dari rata-
rata bergerak.
#ontoh +
Tabel :.6 *unjungan dari sebuah ( A(070B
Bulan &299 &29: &292 &2:5 &2:& &2:)
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptmber
Oktober
7ovmber
Desmber
6.46)
3.:29
3.=)&
3.:5)
).295
3.5=9
4.:2=
4.55)
3.=92
6.:)=
4.523
3.6)9
=.:&9
4.)52
3.32:
3.6=)
3.45&
3.)46
6.=:)
4.2&9
3.:)9
=.)2:
4.)&4
3.:29
6.)3=
3.2&3
3.9)5
3.9:3
3.55=
3.&)&
6.5&=
4.&)3
3.65)
6.9=&
4.&)2
3.=:&
=.92)
4.359
3.6:&
3.9)2
3.94:
3.3)4
6.425
4.9)=
4.5&3
=.42)
4.5&5
3.29:
6.4:5
3.9:=
3.9)=
3.9:9
3.5:2
3.&5:
6.553
4.)&9
3.6&3
6.955
4.5&=
3.6:3
=.62&
4.45&
3.=93
3.4)9
3.:)=
3.4:&
6.9&2
4.93)
4.&&&
=.:)9
3.2:9
3.246
>umlah 4:.:3) 63.4=9 4:.22& 64.&25 42.55: 64.9)5
*ita tentukan pola musim adalah &) bulanan.
elanjutnya hitung rata-rata bergerak &) bulanan, seperti terlihat pada tabel :.=.
*olom ke 3 dihitung dengan cara+
7ilai Tengah total bergerak &) bulan pada bl.>uli &299 M Total bergerak &) bulan
selama th.&299 I Total bergerak &) bl.!ebruari &299 s8d >anuari &29: dibagi ).
7ilai Tengah total bergerak &) bl.pada bl.>uli &299 M ,4:.:3) I 65.&29- + ) M
42.6&4,6.
(ata-rata bergerak M 7ilai tengahan total &) bl + &)
#ontoh +
(ata-rata bergerak untuk bulan >uli &299 M 42.6&9,6 + &) M 4.&)=,) dst.
Tabel :.=
Tahun8bulan *unjungan
actual
Total &)
bulan
7ilai tengahan
total &) bulan
(ata-rata
bergerak
0ndeks
Musim
1;::
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
6.46)
3.:29
3.=)&
3.:5)
).295
3.5=9
4.:2=
4:.:3)
65.&29
42.6&9,6
4.&)=,)
&,&:=
ORSA 109
"gustus
eptember
Oktober
7ovember
Desember
1;:<
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
1;:;
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
1;<=
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
1;<1
>anuari
!ebruari
Maret
"pril
Mei
4.55)
3.=92
6.:)=
4.523
3.6)9
=.:&9
4.)52
3.32:
3.6=)
3.45&
3.)46
6.=:)
4.2&9
3.:)9
=.)2:
4.)&4
3.:29
6.)3=
3.2&3
3.9)5
3.9:3
3.55=
3.&)&
6.5&=
4.&)3
3.65)
6.9=&
4.&)2
3.=:&
=.92)
4.359
3.6:&
3.9)2
3.94:
3.3)4
6.425
4.9)=
4.5&3
=.42)
4.5&5
3.29:
6.4:5
3.9:=
3.9)=
3.9:9
3.5:2
65.652
65.):=
65.54=
65.499
65.=66
6&.44&
6).36=
6).654
6).29=
63.529
63.4=9
6&.::=
6&.625
6&.2&)
63.&33
6&.93:
6&.=&4
65.24:
65.&64
42.:)2
42.)2)
42.)59
4:.22&
65.649
65.24&
65.:5)
65.94:
6&.425
6&.=23
6).&=9
6).995
63.):&
64.5&)
63.:23
64.&25
6).:92
6).369
6).65)
6).6=5
6&.25&
6&.=:6
6&.&2:
65.=:2
65.&:2
42.329
42.453
65.36),5
65.329,6
65.&==,5
65.)=&,6
65.6==,5
6&.54:,5
6&.:2:,6
6).435,5
6).945,5
63.53=,6
63.):),5
6).=9=,6
6&.93:,5
6&.9:&,5
6).5)),6
6&.236,6
6&.=9=,5
6&.):&,5
65.66&,5
42.22&,6
42.6=5,6
42.)42,6
42.522,5
42.9=2,5
65.944,5
65.:9&,6
65.996,5
6&.&&2,5
6&.62&,6
6&.235,5
6).4=:,6
63.5)6,6
63.=4=,6
63.26),6
64.54&,6
63.634,5
6).=&9,6
6).4)2,6
6).63&,5
6).)35,6
6&.923,5
6&.44&,6
65.243,6
65.432,5
42.923,5
42.455,5
4.&26,:
4.&22,:
4.&:5,6
4.&::,6
4.)&3,:
4.)64,5
4.3)4,2
4.3=2,)
4.326,5
4.4&2,9
4.445,)
4.3:2,9
4.3&&,6
4.3&),=
4.336,)
4.3)9,2
4.35=,3
4.)93,4
4.)&),=
4.&=6,2
4.&35,5
4.&54,&
4.52&,=
4.&49,4
4.)):,9
4.)32,3
4.)3&,)
4.)62,2
4.)22,3
4.3)9,6
4.39),4
4.4&:,:
4.495,6
4.42=,5
4.653,6
4.4=&,)
4.3:4,:
4.3=2,&
4.399,=
4.36),6
4.3&=,&
4.):=,:
4.)46,3
4.)53,)
4.&42,4
4.&&=,9
5,263
5,:96
&,323
5,299
5,:39
&,=5)
5,293
5,999
5,:&5
5,9=2
5,935
&,)24
&,&45
5,::9
&,46)
5,293
5,254
&,))6
5,2):
5,:2)
5,2&6
5,93)
5,9=)
&,)52
5,296
5,:)=
&,3=&
5,2=2
5,:6=
&,6=2
5,2:6
5,:&5
5,:34
5,:33
5,93:
&,)35
&,599
5,2&:
&,4:3
5,2)&
5,2)&
&,)9:
5,:2&
5,::=
5,2&)
5,965
110
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
1;<2
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
3.&5:
6.553
4.)&9
3.6&3
6.955
4.5&=
3.6:3
=.62&
4.45&
3.=93
3.4)9
3.:)=
3.4:&
6.9&2
4.93)
4.&&&
=.:)9
3.2:9
3.246
42.55:
65.&&2
65.934
65.=:&
65.3)&
6&.56:
6&.43&
6).&49
6).==)
63.)=5
64.3:9
64.36:
64.9)5
42.)56,6
62.6=3,=
65.4)=,6
65.959,6
65.65&,5
65.=:2,6
6&.)44,6
6&.9:2,5
=).454,6
6).2=&,5
63.:)3,6
64.39),6
64.632,5
4.&55,6
4.&35,3
4.)5),)
4.))6,=
4.)5:,4
4.))4,&
4.)95,4
4.3&6,9
4.3=9,5
4.4&3,4
4.4:6,3
4.63&,5
4.644,2
5,969
&,)&&
&,553
5,:3&
&,364
5,265
5,:32
&,6)9
&,559
5,:3)
5,9=4
5,:44
5,9=6
Mengingat angka indeks musiman juga mengandung unsur acak ,random-, maka
untuk itu indeks musiman juga diambil rata-ratanya.
Tabel :.9 /erhitungan indeks musiman rata-rata
Bulan &299 &29: &292 &2:5 &2:& &2:) (ata-
rata
0ndeks
Musiman
>an
!ebr.
Maret
"pril
Mei
>uni
>uli
"gust.
ept.
Okt.
7ov.
Des.
-
-
-
-
-
-
&,&:=
5,263
5,:96
&,323
5,299
5,:39
&,=5)
5,293
5,999
5,:&5
5,9=2
5,935
&,)24
&,&45
5,::9
&,46)
5,293
5,254
&,))6
5,2):
5,:2)
5,2&6
5,93)
5,9=)
&,)52
5,296
5,:)=
&,3=&
5,2=2
5,:6=
&,6=2
5,2:6
5,:&5
5,:34
5,:33
5,93:
&,)35
&,599
5,2&:
&,4:3
5,2)&
5,2)&
&,)9:
5,:2&
5,::=
5,2&)
5,965
5,969
&,)&&
&,553
5,:3&
&,364
5,265
5,:32
&,6)9
&,559
5,:3)
5,9=4
5,:44
5,9=6
-
-
-
-
-
-
&,46:
5,2=)
5,:4)
5,:6)
5,9:4
5,96)
&,)&=
&,5&:
5,:=4
&,45)
5,2=4
5,:==
&,4=5
5,2=4
5,:43
5,:63
5,9:6
5,9=3
&,)&:
&,5)5
5,:==
&,454
5,2==
5,:=:
> u m l a h &&,2:5 &),555
0ndeks musiman penyesuaian bulanan M !aktor penyesuaian F rata-rata indeks
musiman tiap bulan.
!aktor penyesuaian M &),555 + &&,2:5 M &,55&=
0ndeks musiman bl.>anuari M &,46: F &,55&= M &,4=5 dst.
Dangkah berikutnya adalah menghitung faktor trend.
ORSA 111
Haitu dengan perhitungan persamaan regresi linier sederhana untuk data rata-
rata bergerak pada kolom 4 tabel :.=.
ebelumnya hitung dahulu parameter a dan b dengan rumus yang sudah ada.
*emudian hitung nilai H ,faktor trend- untuk masing-masing bulan dan tahun
serta buat garis regresinya.
Tabel :.: /erhitungan !aktor Trend
Tahun8bulan *unjunga
n actual
(ata-rata
bergerak
,H-
L LZ LH H
,!aktor Trend-
1;::
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
1;:<
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
1;:;
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
1;<=
>anuari
!ebruari
Maret
"pril
Mei
>uni
6.46)
3.:29
3.=)&
3.:5)
).295
3.5=9
4.:2=
4.55)
3.=92
6.:)=
4.523
3.6)9
=.:&9
4.)52
3.32:
3.6=)
3.45&
3.)46
6.=:)
4.2&9
3.:)9
=.)2:
4.)&4
3.:29
6.)3=
3.2&3
3.9)5
3.9:3
3.55=
3.&)&
6.5&=
4.&)3
3.65)
6.9=&
4.&)2
3.=:&
=.92)
4.359
3.6:&
3.9)2
3.94:
3.3)4
4.&)=,)
4.&26,:
4.&22,:
4.&:5,6
4.&::,6
4.)&3,:
4.)64,5
4.3)4,2
4.3=2,)
4.326,5
4.4&2,9
4.445,)
4.3:2,9
4.3&&,6
4.3&),=
4.336,)
4.3)9,2
4.35=,3
4.)93,4
4.)&),=
4.&=6,2
4.&35,5
4.&54,&
4.52&,=
4.&49,4
4.)):,9
4.)32,3
4.)3&,)
4.)62,2
4.)22,3
4.3)9,6
4.39),4
4.4&:,:
4.495,6
4.42=,5
4.653,6
-35
-)2
-):
)9
-)=
-)6
-)4
-)3
-))
-)&
-)5
-&2
-&:
-&9
-&=
-&6
-&4
--&3
-&)
-&&
-&5
-2
-:
-9
-=
-6
-4
-3
-)
-&
5
&
)
3
4
6
255
:4&
9:4
9)2
=9=
=)6
69=
6)2
4:4
44&
455
3=&
3)4
):2
)6=
))6
&2=
&=2
&44
&)&
&55
:&
=4
42
3=
)6
&=
2
4
&
5
&
4
2
&=
)6
-&)39:=
-&)&=9:,)
-&&9624,4
-&&):93,6
-&5:25&
-&56346
-&5)52=
-2249),9
-2=&)),4
-2))26
-::324
-:43=3,:
-925&4,=
-93)26,6
-=255&,=
-=65):
-=5625,=
-662:&,2
-6&):5,:
-4=33:,=
-4&=62
-39&95
-3):3),:
-):=4&,)
-)4::4,4
-)&&43,6
-&=269,)
-&)=23,=
-:6&2,:
-4)22,3
5
439),4
::39,=
&34&&,6
&92:4
))6&9,6
3:&4,5
32)=,:
3232,=
326),4
32=6,)
329:,5
3225,:
4553,=
45&=,4
45)2,)
454),5
4564,:
45=9,=
45:5,4
4523,)
4&5=,5
4&&:,:
4&3&,=
4&44,4
4&69,)
4&95,5
4&:),:
4&26,=
4)5:,4
4))&,)
4)34,5
4)4=,:
4)62,=
4)9),4
4):6,)
4)2:,5
43&5,:
43)3,=
433=,4
4342,)
43=),5
112
>uli
"gustus
eptember
Oktober
7ovember
Desember
1;<1
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
1;<2
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
6.425
4.9)=
4.5&3
=.42)
4.5&5
3.29:
6.4:5
3.9:=
3.9)=
3.9:9
3.5:2
3.&5:
6.553
4.)&9
3.6&3
6.955
4.5&=
3.6:3
=.62&
4.45&
3.=93
3.4)9
3.:)=
3.4:&
6.9&2
4.93)
4.&&&
=.:)9
3.2:9
3.246
4.4=&,)
4.3:4,:
4.3=2,&
4.399,=
4.36),6
4.3&=,&
4.):=,:
4.)46,3
4.)53,)
4.&42,4
4.&&=,9
4.&55,6
4.&35,3
4.)5),)
4.))6,=
4.)5:,4
4.))4,&
4.)95,4
4.3&6,9
4.3=9,5
4.4&3,4
4.4:6,3
4.63&,5
4.644,2
=
9
:
2
&5
&&
&)
&3
&4
&6
&=
&9
&:
&2
)5
)&
))
)3
)4
)6
)=
)9
):
)2
3=
42
=4
:&
&55
&)&
&44
&=2
&2=
))6
)6=
):2
3)4
3=&
455
44&
4:4
6)2
69=
=)6
=9=
9)2
9:4
:4&
)=9=9,)
35=23,=
3426),:
3232:,4
436)6
49499,&
6&44&,=
66&::,2
6::44,:
=))4&
=6:=9,)
=295:,6
94346,4
92:4&,:
:46&)
::39=,4
2)235,)
2:)&2,)
&5369=,:
&52&96
&&494:,4
&)&&53,&
&)=:=:
&3&:5),&
4394,:
43:9,=
4455,4
44&3,)
44)=,5
443:,:
446&,=
44=4,4
4499,)
4425,5
465),:
46&6,=
46):,4
464&,)
4664,5
46==,:
4692,=
462),4
4=56,)
4=&:,5
4=35,:
4=43,=
4=6=,4
4==2,)
J(-%", )69644,4 -35 &:&)4 -&536)9 &&5=3&))69,4
Dari tabel di atas selanjutnya menghitung faktor a dan b, dengan rumus+
,YLZ-,YH- E ,YL-,YLH- ,&:&)4-,)69644,4- E ,-35-,&536)9-
a M M M
nYLZ - ,YL-Z ,=5F&:&)4- E 255
4==9934956,= I 3&56:&5
M M 4)2:,:
&5:=645
n LH - ,YL-,YH- ,=5 F &536)9- E ,-35-,)69644,4-
b M M M
n L
)
- ,YL-
)
,=5F&:&)4- E 255
=)&&=)5 I 99)=33)
M M &),:)9
ORSA 113
&5:=645
Menghitung factor trend bulan >uli ,&299- H M a I bL M 4)2: I ,&),:)9-,-35- M
H M 4)2: E 3:4 M 32&4
H "gustus ,&299- M 4)2: I ,&),:-,-)2- M 4)2: E 39&,) M 32)=,: dst
>ika diperkirakan tidak ada faktor siklus, karena mungkin kesulitan dalam
mengidentifikasinya maka peramalan bisa didasarkan pada faktor musim dan
trend saja.
7ilai (amalan M !aktor trend F 0ndeks musiman
7amun bila faktor siklus diperkirakan ada maka perlu dihitung faktor siklusnya.
!aktor iklus M !aktor trend + (ata-rata bergerak
etelah faktor siklus diperoleh untuk setiap bulan dan tahunnya, maka
selanjutnya hitung kembali faktor siklus rata-rata tiap tahunnya.
!aktor siklus bulan >uli ,&299- M 32&4 + 4&)=,) M 5,24:
!aktor siklus bulan "gustus ,&299- M 32)=,: + 4.&26,: M 5,23= dst
Tabel :.: ;asil /erhitungan (ata-rata faktor iklus
Bulan &299 &29: &292 &2:5 &2:& &2:)
>anuari
!ebruari
Maret
"pril
Mei
>uni
>uli
"gustus
eptember
Oktober
7ovember
Desember
-
-
-
-
-
-
5,24:
5,23=
5,23:
5,246
5,296
5,2:&
5,22&
&,559
&,5&9
&,5)3
&,5)2
&,534
&,5))
&,554
&,554
&,5&5
&,55:
&,553
5,226
5,2:&
5,295
5,2=)
5,26=
5,263
5,2==
5,2:6
5,2:9
5,2:6
5,22)
&,55&
&,55:
&,5&:
&,5)2
&,54&
&,549
&,542
&,532
&,5)&
&,5&9
&,5&2
&,5&4
&,556
5,22:
5,2:2
5,292
5,2==
5,262
5,266
5,2=)
5,292
5,2:4
5,2:5
5,2:4
5,224
&,556
&,5&9
&,5):
&,546
&,566
&,56:
(ata-rata 5,29= &,5&) 5,299 &,5)6 5,299
Dari tabel :.: maka faktor siklus untuk tahun-tahun rendah adalah 5,229 dan
untuk tahun-tahun tinggi adalah &,53=.
elanjutnya hitung nilai ramalannya dengan rumus sebagai berikut +
114
7ilai ramalan M !aktor trend F 0ndeks musim F !aktor siklus
DA>TAR RUJUKAN
&. "msyari, !uad< Prinsip(Prinsip dan !asar $tatisti/ dalam Perencanaan
Kesehatan< @halia 0ndonesia, urabaya, &2:&
). "ssauri, ofjan < 6ehni/ dan 2etode Peramalan < D/!$'0 < >akarta < &2:4
3. Buffa, $l1ood dkk.< 2ana&emen "perasi dan Produ/si 2odern Jilid B <
Binarupa "ksara < >akarta &2:=
4. >unadi, /urna1an C Kumpulan Bahan Kuliah "#$% < /-*"('0 < >akarta
&226
6. Mis1anto dan Ging Gahyu Ginarno< %nalisis 2ana&emen Kuantitati)e
dengan ,$B *,uantitati)e $ystem for Business.< T0$-H*/7< Hogyakarta<
&226
=. her1ood, Dennis< $eeing the 5orest for the 6rees *% 2anagerDs guide to
applying systems thin/ing.C 7icholas Brealey /ublishing< Dondon< )55)
9. rinivasan, Bobby and #.D. andblom< ,uantitati)e %nalysis for Business
!ecisions< Mc @ra1-;ill Book #o< ingapore< &2:2
:. ubagyo, /angestu dkk.,< !asar(!asar "perations #esearch < B/!$ <
Hogyakarta < &2:2
2. upranto, >.< #iset "perasi 7ntu/ Pengambilan Keputusan < '0-/ress <
>akarta < &2::
&5. uriasumantri, >ujun .< Berpi/ir $istem< /rogram /ascasarjana 'niversitas
7egeri >akarta ,'7>-< )556
ORSA 115
116